中国机械工业集团有限公司
AI开发工程师
AI开发工程师
发布于 大约 13 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Llm
Prompt Engineering
Pytorch
Rag
Tensorflow
大语言模型
数据标注
模型微调
算法
值不值得投
68综合评分
综合评分 68
国企AI岗、技术前沿、应用导向、发展性动机突出
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
23K
比人工智能中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 1120 个在招 · 其中人工智能 21 个
市场机会
选择适中
广州 · 人工智能 · 38 个在招
职位详情
关于这个职位
该职位是AI开发工程师，主要负责参与公司AI应用项目的开发与落地，核心工作包括大语言模型（LLM）的工程化应用，如RAG系统搭建、模型微调等
你需要将AI技术应用于检测认证等具体业务场景，实现智能识别、报告生成等功能，并持续优化模型效果
最低要求
熟练掌握Python，熟悉至少一种深度学习框架（PyTorch/TensorFlow），具备扎实的算法与数据结构基础
了解大语言模型应用开发，有RAG、Prompt Engineering、模型微调等实践经验或课题研究者优先
具备良好的逻辑思维与问题解决能力，能独立承担模块级开发任务
对检测认证行业数字化转型有浓厚兴趣，具备较强的学习能力和技术热情
工作职责
参与公司AI应用项目的需求分析与方案设计，负责AI场景落地的技术开发与集成
负责大语言模型（LLM）应用工程化开发，包括Prompt工程、RAG系统搭建、模型微调与部署
参与AI报告生成、智能识别等业务场景的算法应用开发与业务系统对接
协助构建与维护训练数据集，制定数据标注规范，持续优化模型效果
跟踪AI技术前沿，参与技术选型与POC验证，推动AI技术在检测认证场景的创新应用
AI 洞察
优缺点分析
优点
- 技术前沿性强：直接接触和应用大语言模型等最新AI技术，技术成长空间大
- 行业应用前景好：将AI技术与传统检测认证行业结合，是数字化转型的热点方向，应用价值明确
- 平台稳定：背靠大型央企集团，项目资源和职业发展平台相对稳定
- 技术更新快：AI领域技术迭代迅速，需要持续学习以跟上技术发展
- 行业理解门槛：需要理解检测认证行业的业务逻辑，才能将AI技术有效落地，对业务学习能力有要求
- 创新落地难度：在传统行业推动AI创新应用，可能需要克服流程、数据等多方面障碍
- 对人工智能技术，特别是大语言模型应用有浓厚兴趣，并希望将其技术能力应用于具体产业场景，推动行业变革的工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 技术专家路线：深耕AI应用技术，特别是在工业检测/认证领域的AI解决方案，成为该领域的架构师
- 技术管理路线：从单个模块开发成长为项目技术负责人，管理小团队并主导技术选型
- 行业融合路线：深入理解检测认证业务，利用AI技术推动产品创新或商业模式变革
- 负责大语言模型（LLM）的工程化应用开发，如搭建RAG系统、进行Prompt优化和模型微调
- 将AI算法集成到具体的业务系统中，实现如智能识别、报告自动生成等功能
- 参与从需求分析、方案设计到技术验证的全流程，推动AI技术在检测认证行业落地
- 管理和优化模型训练所需的数据集，确保数据质量和标注规范
- 精通Python编程，并熟练使用PyTorch或TensorFlow等深度学习框架
- 具备扎实的算法与数据结构基础，这是解决复杂技术问题的根基
- 了解或实践过大语言模型（LLM）的前沿应用技术，如RAG、Prompt工程和模型微调
- 具备良好的学习能力，对将技术应用于传统行业（检测认证）的数字化转型有热情
申请策略
- 在求职信中明确表达你对该岗位所处行业的兴趣，以及你如何看待AI技术为该行业带来的价值
- 面试时准备好阐述你对大模型技术趋势的理解，以及如何将其与具体业务结合的思考
- 可以关注该企业或其母公司在工业互联网、智能制造方面的动态，展现你的主动性
- 突出与LLM相关的项目经验，如使用LangChain、搭建RAG系统、进行模型微调的具体案例
- 强调扎实的Python编码能力和对PyTorch/TensorFlow框架的熟练运用
- 展示在计算机视觉（智能识别）、自然语言处理（报告生成）等方向的实践经验
- 体现对数字化转型的理解或在相关项目中解决实际问题的经历
- 系统学习和实践大语言模型应用开发的最新范式，如Agent框架、向量数据库应用等
面试指南
- 使用STAR法则（情境、任务、行动、结果）来具体描述过往项目经验，突出你的技术决策和贡献
- 对于系统设计和场景应用问题，先阐述核心思路和模块划分，再深入技术细节，并强调如何与业务目标对齐
- 对于趋势类问题，结合技术原理和行业案例进行分析，体现你的深度思考和前瞻性
- 请介绍一个你参与过的使用大语言模型（LLM）的项目，你在其中的具体角色和贡献是什么？
- 如何搭建一个RAG系统？你会如何评估和优化其效果？
- 你认为在检测认证行业，哪些具体场景适合引入AI技术来解决痛点？
- 在进行模型微调时，如何准备和处理训练数据？遇到数据质量不佳时如何应对？
- 你对当前AI技术（特别是LLM）的发展趋势有何看法？
职位点评
薪资福利65
成长发展75
工作生活60
使命价值70
薪资福利
65中等
作为央企下属单位的正式岗位，预计能提供稳定的工作环境和基本福利保障，但薪资竞争力可能因地区和单位性质而异。
薪资信号未披露（AI估算：18K-28K/月）
成长发展
75中等
职位涉及大语言模型等前沿技术开发，有明确的技能成长路径和技术挑战，但业务场景相对特定，技术宽度可能受限。
技术前沿前沿/新兴技术
技术栈LLM、RAG、Prompt Engineering、模型微调、PyTorch、TensorFlow
业务类型ambiguous
工作生活
60中等
工作地点明确在广州市黄埔区，但JD未提及任何办公模式（如远程、弹性）或工作时间相关信号，WLB情况无法判断。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
70中等
将前沿AI技术应用于检测认证这一传统行业的数字化转型，具有明确的应用价值和社会意义，但非直接面向大众消费或公益领域。
行业发展稳定成熟行业
社会影响中性/一般
使命信号推动AI技术在检测认证场景的创新应用
创新程度积极采用新技术
Watch Jobs